[发明专利]基于多元线性回归模型的无线传感器网络拓扑构建方法有效
申请号: | 201910012525.X | 申请日: | 2019-01-07 |
公开(公告)号: | CN109587752B | 公开(公告)日: | 2021-06-01 |
发明(设计)人: | 赵培;尚韬;高妍;刘元皓 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | H04W40/04 | 分类号: | H04W40/04;H04W40/10;H04W40/32;H04W84/18;H04L12/24 |
代理公司: | 陕西电子工业专利中心 61205 | 代理人: | 陈宏社;王品华 |
地址: | 710071 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 多元 线性 回归 模型 无线 传感器 网络 拓扑 构建 方法 | ||
1.一种基于多元线性回归模型的无线传感器网络拓扑构建方法,其特征在于,包括如下步骤:
(1)对无线传感器网络进行初始化:
(1.1)无线传感器网络节点确定自己的信息:
每个节点Di确定包括自己的位置坐标Li、剩余能量Ei、通信距离Ri和节点度dei,Di∈{D1,D2,…,Dm},m表示无线传感器网络节点个数,m≥2;
(1.2)无线传感器网络节点获取邻居节点信息集合:
每个节点Di通过APT系统对通信距离Ri内的邻居节点{D1,D2,…,Dz}进行扫描,并将扫描到的所有邻居节点的信息组合成邻居节点信息集合Vi,Vi={I1,I2,…Ia,…,Iz},Ia={La,Ea,Ra,dea},z表示邻居节点的个数;z≥1,a≥1;
(1.3)无线传感器网络节点确定簇头和非簇头节点:
每个节点Di计算其与所有邻居节点建立链路所需的能量EDi,并将EDi与其所有邻居节点的{ED1,ED2…EDz}中最大值对应的节点作为簇头CDj,其他节点作为非簇头节点{ND1,ND2,…,NDq},CDj∈{CD1,CD2,…,CDk},k表示簇头节点的个数,q表示非簇头节点数量,k≥1,q=z;
其中,Ei表示节点i的剩余能量,Ej表示节点j的剩余能量,dij表示节点i和节点j之间的欧式距离,xi表示Li的横坐标,xj表示Lj的横坐标,yi表示Li的纵坐标,yj表示Lj的纵坐标;
(1.4)无线传感器网络节点确定其所在的管理区域:
每个簇头CDj以通信距离Rj为半径确定的区域即为簇头的管理区域Aj,每个非簇头节点NDi判断其位置坐标Li属于{A1,A2,…,Aj,Ak}中的哪个管理区域,若Li∈Aj,则NDi包含在管理区域Aj内;
(2)簇头确定其内的非簇头节点数量:
每个簇头CDj统计管理区域Aj在0~Tl时间内的非簇头节点数量集Nj,Nj={n1,n2,…nc,…nl},nc表示在Tg的非簇头节点数量,l表示每个簇头CDj统计的次数,l≥30,Tg表示0~Tl时间内每个簇头CDj统计次数为c对应的时刻,0~Tl表示初始化完成的一段时间,0≤Tg≤Tl,Tl≥0;
(3)构建多元线性回归模型Y:
以每个簇头CDj管理区域Aj内非簇头节点数量集Nj作为多元线性回归模型的训练数据集,并根据训练数据集Nj确定管理区域Aj中非簇头节点数量的多元线性回归模型参数{b0,b1,…,bp},并构建多元线性回归模型Y:
Y=b0+b1n1+b2n2+…+bpnp
其中,p表示与Y相关的非簇头节点数量的个数,p≥1;确定管理区域Aj中非簇头节点数量的多元线性回归模型参数{b0,b1,…,bp}的实现步骤为:
(3.1)根据训练数据集Nj构建管理区域Aj内的非簇头节点数量矩阵Y'和特征矩阵X,Nj={n1,n2,…nc,…nl}:
其中,nc表示在Tg的非簇头节点数量,Tg表示0~Tl时间内每个簇头CDj统计次数为c对应的时刻,0≤Tg≤Tl,0~Tl表示初始化完成后的一段时间,Tl≥0,e=l-p+1,l表示每个簇头CDj统计的次数,l≥30,p表示与管理区域Aj内的非簇头节点数量矩阵Y'相关的非簇头节点数量的个数,p≥1,r=c-1;
(3.2)将多元线性回归模型参数{b0,b1,…,bp}分别初始化为0到1的随机数;
(3.3)对多元线性回归模型参数{b0,b1,…,bp}进行转置,得到转置矩阵bT,并将特征矩阵X与bT的乘积作为预测的非簇头节点数量矩阵Z:
Z=X×bT
(3.4)采用最小二乘法,通过Z计算多元线性回归模型Y的残差平方和Q(b),并判断其是否小于预先设置的阈值ε,若是,{b0,b1,…,bp}即为管理区域Aj中非簇头节点数量的多元线性回归模型参数,否则,执行步骤(3.5),其中Q(b)的计算公式为:
其中,Y′i表示非簇头节点数量矩阵Y'的第i行,Zi表示预测的非簇头节点数量矩阵Z的第i行;
(3.5)采用梯度下降法确定{b0,b1,…,bp}的更新函数b′i,通过b′i对{b0,b1,…,bp}进行更新,并将更新结果替代{b0,b1,…,bp},执行步骤(3.3),其中b′i的表达式为:
其中bi∈{b0,b1,…,bp},ni∈Ni,α表示梯度下降的学习率;
(4)簇头计算管理区域内非簇头节点数量:
每个簇头CDj根据多元线性回归模型Y,计算管理区域Aj在0~Tl之后Td时刻的非簇头节点数量Yj,Td>Tl;
(5)簇头获取无线传感器网络拓扑:
(5.1)每个簇头CDj根据管理区域Aj内非簇头节点数量Yj和节点度dej,计算CDj在Td时刻的平均节点度λj:
(5.2)每个簇头CDj与其邻居簇头{CD1,CD2,…CDu}建立通信链路,形成包含k个簇头的上层网状型结构;并以最大跳数为λj的多跳方式与CDj管理区域Aj内的非簇头节点{ND1,ND2,…,NDh}建立通信链路,形成k个以簇头为中心包含h个非簇头节点的下层星型结构,上层网状型结构和下层星型结构共同组成无线传感器网络拓扑。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910012525.X/1.html,转载请声明来源钻瓜专利网。